作為未來重要的電力用戶,商業(yè)園區(qū)建設(shè)將成為智能電網(wǎng)建設(shè)的重要內(nèi)容之一。商業(yè)園區(qū)中儲(chǔ)能系統(tǒng)最基本的作用是進(jìn)行負(fù)荷側(cè)的削峰填谷,在給園區(qū)帶來經(jīng)濟(jì)收益的同時(shí),也保證了電網(wǎng)運(yùn)行的安全性。提出了一種儲(chǔ)能系統(tǒng)削峰填谷的變參數(shù)功率差控制策略,基于園區(qū)典型日負(fù)荷預(yù)測(cè)曲線,對(duì)負(fù)荷狀態(tài)和儲(chǔ)能SOC狀態(tài)進(jìn)行區(qū)間劃分,提出了對(duì)應(yīng)的子目標(biāo)函數(shù),采用適應(yīng)度函數(shù)變差系數(shù)排序法確定各子目標(biāo)函數(shù)權(quán)重,對(duì)目標(biāo)函數(shù)進(jìn)行尋優(yōu),確定不同負(fù)荷區(qū)間與SOC區(qū)間的儲(chǔ)能系統(tǒng)控制策略。最后,以上海某商業(yè)園區(qū)為例進(jìn)行了仿真,驗(yàn)證了所提控制策略的有效性。

0 引言

近年來,隨著經(jīng)濟(jì)水平的快速發(fā)展,電力系統(tǒng)負(fù)荷呈現(xiàn)出峰谷差日益增大的特點(diǎn),這會(huì)降低電力系統(tǒng)的經(jīng)濟(jì)性,并造成社會(huì)資源浪費(fèi)[1],而這種現(xiàn)象在商業(yè)園區(qū)尤為嚴(yán)重。在商業(yè)園區(qū)中加入儲(chǔ)能系統(tǒng),利用儲(chǔ)能電池蓄能特性可實(shí)現(xiàn)削峰填谷。儲(chǔ)能通過自身的充放電特性,能夠延緩園區(qū)電網(wǎng)的容量升級(jí)改造,提高設(shè)備利用率和供電可靠性[2-3];同時(shí),在部分實(shí)行峰谷電價(jià)地區(qū),用戶可通過儲(chǔ)能系統(tǒng)減小負(fù)荷峰谷差而受益。因此,儲(chǔ)能系統(tǒng)的使用在給電網(wǎng)安全運(yùn)行帶來保障的同時(shí),也給用戶側(cè)帶來經(jīng)濟(jì)收益。

目前,關(guān)于求解儲(chǔ)能系統(tǒng)削峰填谷策略的算法主要包括動(dòng)態(tài)規(guī)劃算法、智能算法等。文獻(xiàn)[3]針對(duì)采用恒功率充放電策略運(yùn)行的電池儲(chǔ)能系統(tǒng),結(jié)合序列二次算法提出了恒功率充放電優(yōu)化模型。文

獻(xiàn)[4]提出了基于動(dòng)態(tài)規(guī)劃的削峰填谷控制策略,同時(shí)考慮了充放電深度對(duì)電池壽命的影響,但其限制了每日的充放電次數(shù),部分場(chǎng)景下由于負(fù)荷變化較大,儲(chǔ)能系統(tǒng)可能需要多次變化充放電狀態(tài)。文獻(xiàn)[5-7]采用智能算法求解含儲(chǔ)能裝置的最優(yōu)策略問題,但均未考慮SOC的狀態(tài)。文獻(xiàn)[8]比較了儲(chǔ)能系統(tǒng)恒功率控制方式與功率差控制方式的控制效果,結(jié)果表明：與功率差控制方式相比,恒功率控制較簡(jiǎn)單,但其控制效果不如功率差的控制方式,并且恒功率控制對(duì)負(fù)荷預(yù)測(cè)精度要求較高。還有學(xué)者在進(jìn)行儲(chǔ)能相關(guān)研究時(shí)提出了關(guān)于SOC的狀態(tài)區(qū)間劃分。文獻(xiàn)[9]中將SOC按大小劃分為5個(gè)區(qū)間,判斷SOC當(dāng)前工作區(qū)間,實(shí)時(shí)調(diào)整濾波常數(shù),建立了儲(chǔ)能系統(tǒng)的容量?jī)?yōu)化配置方法。

本文針對(duì)商業(yè)園區(qū)儲(chǔ)能系統(tǒng),提出一種協(xié)調(diào)考慮削峰填谷效果和SOC狀態(tài)區(qū)間的變參數(shù)功率差控制策略。基于商業(yè)園區(qū)典型日負(fù)荷預(yù)測(cè)曲線,將負(fù)荷劃分為3個(gè)區(qū)間,引入2個(gè)SOC狀態(tài)控制變量,將SOC劃分為5個(gè)區(qū)間,引入4個(gè)充放電功率控制變量,為每個(gè)子空間制定控制策略,并基于目標(biāo)函數(shù)對(duì)變量進(jìn)行滾動(dòng)更新。

1 商業(yè)園區(qū)儲(chǔ)能系統(tǒng)削峰填谷的常參數(shù)功率差控制策略

1.1 商業(yè)園區(qū)電力系統(tǒng)構(gòu)成

商業(yè)園區(qū)電力系統(tǒng)一般由外部電網(wǎng)、分布式電源、儲(chǔ)能系統(tǒng)以及冷熱電負(fù)荷(包括空調(diào)負(fù)荷、樓宇負(fù)荷等,以下統(tǒng)稱為負(fù)荷)組成,如圖1所示。

圖1 典型商業(yè)園區(qū)電力系統(tǒng)構(gòu)成

如圖1所示,實(shí)線代表能量流流動(dòng),虛線代表信息流流動(dòng),箭頭所示方向?yàn)槟芰考靶畔⒘鲃?dòng)方向。

能量在城市電網(wǎng)、分布式光伏陣列、儲(chǔ)能系統(tǒng)以及負(fù)荷之間流動(dòng),實(shí)現(xiàn)了能源生產(chǎn)與消費(fèi)間的互

動(dòng)[10]。商業(yè)園區(qū)往往在建筑屋頂配備一定規(guī)模的分布式光伏陣列,用以滿足部分負(fù)荷需求,但規(guī)模相較園區(qū)負(fù)荷較小。考慮光伏不確定性對(duì)電網(wǎng)的沖擊,為鼓勵(lì)光伏發(fā)電就地消納,光伏陣列優(yōu)先為負(fù)荷側(cè)供電,剩余電量進(jìn)行上網(wǎng)[11]。考慮用電持續(xù)性及光伏陣列規(guī)模有限,引入城市電網(wǎng)以滿足商業(yè)園區(qū)負(fù)荷需求。儲(chǔ)能系統(tǒng)的加入能夠?qū)ω?fù)荷的峰谷進(jìn)行調(diào)節(jié),從而給商業(yè)園區(qū)用戶帶來一定的經(jīng)濟(jì)收益[12,13]。

商業(yè)園區(qū)能源中心主要實(shí)現(xiàn)對(duì)商業(yè)園區(qū)電力系統(tǒng)各部分的信息采集與監(jiān)控管理。本文將重點(diǎn)考慮能源中心中儲(chǔ)能系統(tǒng)的控制策略,以實(shí)現(xiàn)儲(chǔ)能系統(tǒng)的高效運(yùn)行。

1.2 常參數(shù)功率差控制策略

恒功率控制是儲(chǔ)能系統(tǒng)最簡(jiǎn)單的充放電控制策略,即在任一時(shí)刻儲(chǔ)能系統(tǒng)均以恒定功率進(jìn)行充放電,該策略根據(jù)典型日負(fù)荷預(yù)測(cè)曲線提前制定儲(chǔ)能充放電計(jì)劃,但該控制策略對(duì)典型日負(fù)荷曲線的預(yù)測(cè)精度要求較高。而功率差控制則對(duì)典型日負(fù)荷曲線預(yù)測(cè)精度要求不高,同時(shí),功率差控制考慮了儲(chǔ)能電池的容量約束、出力約束等。

常參數(shù)功率差控制策略根據(jù)日負(fù)荷預(yù)測(cè)曲線,計(jì)算得出儲(chǔ)能系統(tǒng)參與充電的上限功率與放電的下限功率。具體計(jì)算流程[8,14]如圖2所示。

圖2 常參數(shù)功率差控制策略流程

圖2中, Ec為總充電量; Ed為總放電量;ε為某一接近0的常數(shù); E為儲(chǔ)能系統(tǒng)容量;Δt為單位時(shí)間,本文選取為數(shù)據(jù)采樣分辨率。經(jīng)以上步驟計(jì)算,可確定儲(chǔ)能系統(tǒng)放電時(shí)負(fù)荷的下限功率P1與儲(chǔ)能系統(tǒng)充電時(shí)負(fù)荷的上限功率P2。通過確定儲(chǔ)能系統(tǒng)充放電時(shí)的負(fù)荷上下限值,能夠?qū)⒇?fù)荷狀態(tài)劃分為3個(gè)區(qū)間,如圖3所示。

圖3 負(fù)荷區(qū)間劃分

1)儲(chǔ)能充電區(qū)間(負(fù)荷I區(qū))：此區(qū)間滿足Pt≤P2Pt≤P2,其中Pt為t時(shí)刻的負(fù)荷功率。在此區(qū)間,儲(chǔ)能系統(tǒng)充電以增大負(fù)荷谷值,充電功率為

Pc=P2−Pt (1)

2)儲(chǔ)能靜置區(qū)間(負(fù)荷II區(qū))：此區(qū)間滿足P2

Pc=Pd=0 (2)

3)儲(chǔ)能放電區(qū)間(負(fù)荷III區(qū))：此區(qū)間滿足Pt≥P1Pt≥P1,此時(shí)儲(chǔ)能系統(tǒng)放電以減小負(fù)荷峰值,放電功率為

Pd=Pt−P1 (3)

常參數(shù)功率差控制策略通過負(fù)荷值確定儲(chǔ)能系統(tǒng)的充放電狀態(tài)以及出力大小,但該控制策略并未考慮SOC狀態(tài)。當(dāng)負(fù)荷曲線峰谷持續(xù)時(shí)間較長(zhǎng)時(shí),儲(chǔ)能系統(tǒng)長(zhǎng)時(shí)間充放電會(huì)對(duì)SOC值產(chǎn)生影響,造成SOC越限,這會(huì)對(duì)儲(chǔ)能系統(tǒng)的壽命造成影響。

2 變參數(shù)功率差控制策略

基于常參數(shù)功率差控制策略,在滿足系統(tǒng)功率平衡的基礎(chǔ)上,本文充分考慮SOC狀態(tài),提出考慮SOC狀態(tài)的變參數(shù)功率差控制策略,使儲(chǔ)能系統(tǒng)盡可能避免出現(xiàn)在SOC過高/低區(qū)間,以延長(zhǎng)其壽命。

2.1 SOC狀態(tài)區(qū)間劃分

通過引入Sup、Sdown兩個(gè)變量,將SOC狀態(tài)區(qū)間進(jìn)行劃分,圖4中將SOC劃分為5個(gè)狀態(tài)區(qū)間,分別如下：

圖4 SOC狀態(tài)區(qū)間劃分

1)SOC越上限區(qū)。

Smax ≤ S(t) < 1

2)SOC高限值區(qū)。

Sup ≤ S(t) < Smax

3)SOC正常工作區(qū)。

Sdown ≤ S(t) < Sup

4)SOC低限值區(qū)。

Smin ≤ S(t) < Sdown

5)SOC越下限區(qū)。

0 < S(t) < Smin

式中：S(t)為t時(shí)刻的SOC值;Smax、Smin為儲(chǔ)能系統(tǒng)所允許的SOC的最大值與最小值;Sup、Sdown是控制SOC狀態(tài)劃分的參數(shù),且滿足下式約束

0 < Smin < Sdown < Sup < Smax < 1 (4)

2.2 變參數(shù)功率差控制原則

變參數(shù)功率差控制策略的原則之一是通過調(diào)節(jié)SOC高低限值區(qū)的充放電功率,盡量避免或縮短SOC處于越上下限區(qū)。為此,結(jié)合所劃分的SOC狀態(tài)區(qū)間,引入控制參數(shù)k1、k2、k3、k4,其控制原則如下：

1)SOC越上限區(qū)：此區(qū)間儲(chǔ)能不進(jìn)行充電操作。

在負(fù)荷I區(qū),儲(chǔ)能系統(tǒng)靜置,由電網(wǎng)及光伏對(duì)園區(qū)負(fù)荷進(jìn)行供電。

在負(fù)荷II區(qū)及III區(qū),儲(chǔ)能系統(tǒng)放電,且以充電上限值為目標(biāo)放電,考慮儲(chǔ)能系統(tǒng)功率約束,故放電功率：Pd=min(Pe,Pt−P2)Pd=min(Pe,Pt−P2);其中,Pe為儲(chǔ)能系統(tǒng)額定功率;Pt為負(fù)荷功率。

2)SOC高限值區(qū)：此區(qū)間根據(jù)所處負(fù)荷區(qū)間不同,儲(chǔ)能系統(tǒng)進(jìn)行不同充放電操作。

在負(fù)荷I區(qū),儲(chǔ)能系統(tǒng)進(jìn)行充電,但由于該區(qū)間內(nèi)SOC值已經(jīng)較大,過大的充電功率會(huì)使SOC進(jìn)入越上限區(qū),此區(qū)間內(nèi)充電功率為

Pc=k1(P2−Pt)Pc=k1(P2−Pt) (5)

其中0 < k1 <1，這樣能夠使其在負(fù)荷I區(qū)進(jìn)行填谷的同時(shí),兼顧SOC的狀態(tài)。

在負(fù)荷II區(qū),儲(chǔ)能系統(tǒng)靜置。

在負(fù)荷III區(qū),儲(chǔ)能系統(tǒng)進(jìn)行放電操作,由于此刻的SOC值較高,很容易進(jìn)入越上限區(qū),需盡可能增大放電功率,同時(shí)放電還應(yīng)受到功率約束與負(fù)荷區(qū)間約束,故此時(shí)的放電功率為

在負(fù)荷II區(qū),儲(chǔ)能系統(tǒng)靜置。

在負(fù)荷III區(qū),儲(chǔ)能系統(tǒng)放電,放電功率為

Pd=k4(Pt−P1)Pd=k4(Pt−P1) (10)

其中0 < k4 <1，

5)SOC越下限區(qū)：與SOC越上限區(qū)相反。

在負(fù)荷I區(qū)及II區(qū),儲(chǔ)能系統(tǒng)充電功率為

Pc=min(Pe,P1−Pt)(11)

在負(fù)荷III區(qū),儲(chǔ)能系統(tǒng)靜置。

將上述控制策略整理如下表1所示,其中儲(chǔ)能系統(tǒng)功率放電為正,充電為負(fù)。

表1 變參數(shù)功率差控制策略

如表1所示,通過Sup、Sdown兩個(gè)參數(shù)變量能夠?qū)呻姞顟B(tài)區(qū)間進(jìn)行劃分,通過控制參數(shù)k1、k2、k3、k4對(duì)每個(gè)區(qū)間充放電功率進(jìn)行控制。協(xié)調(diào)考慮SOC狀態(tài)與負(fù)荷區(qū)間,共生成了15個(gè)充放電區(qū)間,每個(gè)區(qū)間對(duì)應(yīng)不同的充放電規(guī)則。通過對(duì)Sup、Sdown、k1、k2、k3、k4等6個(gè)變量進(jìn)行滾動(dòng)優(yōu)化,可實(shí)現(xiàn)協(xié)調(diào)考慮SOC狀態(tài)的變參數(shù)功率差控制策略。

2.3 變參數(shù)功率差控制策略的參數(shù)優(yōu)化

考慮到負(fù)荷有一定波動(dòng)性,基于典型日負(fù)荷預(yù)測(cè)曲線,考慮控制策略在未來30 min內(nèi)的控制效果,對(duì)這6個(gè)控制變量的滾動(dòng)更新,從而使控制策略有一定前瞻性和全局性。因此,本文的控制目標(biāo)將協(xié)調(diào)未來30 min內(nèi)的負(fù)荷側(cè)削峰填谷效果與SOC狀態(tài)。

2.3.1 目標(biāo)函數(shù)

為對(duì)本控制策略作用下的負(fù)荷側(cè)削峰填谷效果、SOC變化情況進(jìn)行評(píng)價(jià),并鼓勵(lì)光伏發(fā)電的就地消納,提高供電滿意度,定義以下子目標(biāo)函數(shù)。

1)負(fù)荷側(cè)評(píng)價(jià)指標(biāo)。

為對(duì)負(fù)荷側(cè)削峰填谷效果進(jìn)行評(píng)價(jià),本文定義目標(biāo)函數(shù)F1為

4)目標(biāo)函數(shù)權(quán)值確定。

綜上,本控制策略的目標(biāo)函數(shù)由F1,F2,F3,F4聯(lián)合構(gòu)成,即

minF=min{F1,F2,F3,F4} (17)

由于F1,F2,F3,F4分別代表目標(biāo)函數(shù)的不同特征,對(duì)以上4個(gè)目標(biāo)函數(shù)賦予一組權(quán)重系數(shù)λi (i=1,2,3,4),即

minF=λ1F1+λ2F2+λ3F3+λ4F4 (18)

為確定各子目標(biāo)函數(shù)的權(quán)重λi,本文采用適應(yīng)度函數(shù)變差系數(shù)排序法。具體步驟如下。

1)設(shè)有n個(gè)子目標(biāo)函數(shù),分別計(jì)算出各子目標(biāo)函數(shù)的最優(yōu)解min Fi(x),記為Xi (i=1,2,…,n)。

2)對(duì)各子目標(biāo)函數(shù)的最優(yōu)解進(jìn)行交互迭代,分別計(jì)算出對(duì)應(yīng)的目標(biāo)函數(shù)值Fj(xi)。

3)計(jì)算各子目標(biāo)函數(shù)的不同解下的變差系數(shù)。

5)對(duì)上述權(quán)系數(shù)進(jìn)行大小排序,變差系數(shù)大的目標(biāo)函數(shù)乘以較小的權(quán)值,變差系數(shù)小的目標(biāo)函數(shù)乘以較大的權(quán)值,以更好地均衡有效解的范圍。

2.3.2 約束條件

本文所提出的控制策略主要考慮了電網(wǎng)功率平衡約束、儲(chǔ)能系統(tǒng)自身約束(包括荷電狀態(tài)、充放電功率、容量)、對(duì)Sup、Sdown、k1、k2、k3、k4等6個(gè)控制參數(shù)的約束以及光伏功率倒送約束。

1)電網(wǎng)功率平衡約束。

為保證園區(qū)內(nèi)用電設(shè)備的正常工作,需滿足電網(wǎng)的功率平衡,即

Pgrid+PPV=Pload−Pess (21)

其中：PgridPgrid為城市電網(wǎng)對(duì)園區(qū)的輸出功率;PPVPPV為園區(qū)分布式光伏陣列輸出功率;PloadPload為園區(qū)負(fù)荷功率;PessPess為儲(chǔ)能系統(tǒng)出力。

2)儲(chǔ)能系統(tǒng)自身約束。

儲(chǔ)能系統(tǒng)自身約束見式[15]

Smin≤S(t)≤Smax (22)

0≤Pc≤Pe (23)

0≤Pd≤Pe (24)

其中：Smin一般取20%~30%;Smax一般取80%~100%;Pc、Pd分別為儲(chǔ)能系統(tǒng)充放電功率;Pe為儲(chǔ)能系統(tǒng)額定功率。本控制策略考慮了SOC在兩種極端區(qū)間的控制策略,這是由于儲(chǔ)能系統(tǒng)初始SOC可能存在越限情況。

儲(chǔ)能系統(tǒng)SOC、容量與充放電功率之間還應(yīng)滿足如下關(guān)系[16]。

2.3.3 動(dòng)態(tài)自適應(yīng)粒子群算法

基于以上目標(biāo)函數(shù)和約束條件,本文采用動(dòng)態(tài)自適應(yīng)粒子群算法對(duì)所引入Sup、Sdown、k1、k2、k3、k4等6個(gè)參數(shù)進(jìn)行滾動(dòng)尋優(yōu)。

粒子群算法(PSO)是一種隨機(jī)搜索、并行的優(yōu)化算法,具有收斂速度快、簡(jiǎn)單易行等優(yōu)點(diǎn)[17]。粒子群優(yōu)化算法通過群體中個(gè)體之間的協(xié)作和信息共享來尋找最優(yōu)解。PSO中,粒子按下式進(jìn)行位置與速度更新。

然而,由于快速的收斂算法,使得粒子群算法易早熟,從而陷入局部最優(yōu)中。粒子群算法中較大的慣性權(quán)因子有利于全局探索,但會(huì)使算法收斂速度降低;而較小的慣性權(quán)因子有利于算法的局部開發(fā),加速算法的收斂,但會(huì)使算法的全局性變差。動(dòng)態(tài)自適應(yīng)粒子群算法考慮了慣性權(quán)因子w對(duì)算法的影響,對(duì)慣性權(quán)因子進(jìn)行動(dòng)態(tài)自適應(yīng)調(diào)整,令

1)設(shè)置粒子個(gè)數(shù),迭代次數(shù)以及加速因子,并對(duì)粒子位置與速度進(jìn)行初始化,使粒子初始位置位于限制范圍內(nèi)。

2)根據(jù)目標(biāo)函數(shù),計(jì)算每個(gè)個(gè)體的適應(yīng)度進(jìn)行評(píng)價(jià),并對(duì)個(gè)體最優(yōu)解與全局最優(yōu)解進(jìn)行保存。

3)初次更新粒子位置與速度。

4)計(jì)算位置和速度更新后的適應(yīng)度值。

5)進(jìn)行迭代運(yùn)算,通過首次的個(gè)體最優(yōu)解

與全局最優(yōu)解對(duì)慣性權(quán)因子進(jìn)行更新。之后帶入

式(33)和(34),更新粒子位置與速度。

6)判斷迭代結(jié)果是否滿足終止條件,若滿足,結(jié)束迭代并輸出結(jié)果。否則返回步驟5,再次進(jìn)行迭代運(yùn)算。

本文采用變參數(shù)功率差控制策略,其流程圖如圖5所示。

圖5 變參數(shù)功率差控制策略流程

3 算例分析

本文以上海某商業(yè)園區(qū)為例,對(duì)本控制策略的有效性進(jìn)行分析。仿真所用日負(fù)荷預(yù)測(cè)曲線基于支持向量機(jī)算法得出[18],同時(shí)基于商業(yè)園區(qū)工作日的日負(fù)荷曲線整體相似的特點(diǎn)[19],得到了該商業(yè)園區(qū)的1月和10月工作日典型超短期日負(fù)荷預(yù)測(cè)曲線。

3.1 變參數(shù)功率差控制策略仿真

該商業(yè)園區(qū)源、儲(chǔ)、荷各部分配置如下：光伏系統(tǒng)裝機(jī)容量為3 MW;儲(chǔ)能系統(tǒng)為鋰電池,額定功率為1 MW,額定容量為2 MW?h;1月最大負(fù)荷6.5 MW,10月最大負(fù)荷5.8 MW。該商業(yè)園區(qū)1月和10月的工作日典型日負(fù)荷預(yù)測(cè)曲線及該月內(nèi)某日的光伏出力曲線如圖6所示。

圖6 商業(yè)園區(qū)1月和10月工作日典型日負(fù)荷預(yù)測(cè)曲線及光伏出力曲線

由圖6可發(fā)現(xiàn),10月負(fù)荷較1月負(fù)荷出現(xiàn)下降,但商業(yè)園區(qū)工作日的日負(fù)荷預(yù)測(cè)曲線形狀相似,這與工作日的負(fù)荷曲線相似有很大關(guān)系。商業(yè)園區(qū)負(fù)荷有兩個(gè)用電高峰時(shí)段,分別在上午10:30左右與下午14:30左右達(dá)到用電峰值,且峰值均會(huì)持續(xù)2~3h左右。11:30—13:00,負(fù)荷會(huì)出現(xiàn)短時(shí)的下降,在晚上22:00至凌晨5:00左右,負(fù)荷出現(xiàn)低谷。

基于該典型日負(fù)荷預(yù)測(cè)曲線,按照本控制策略的計(jì)算流程,分別計(jì)算得出：1月典型日負(fù)荷預(yù)測(cè)曲線均值Pavg=2.58 MW,放電下限P1=5.96 MW,充電上限P2=0.52 MW;10月典型日負(fù)荷預(yù)測(cè)曲線均值Pavg=2.40 MW,放電下限P1=5.21 MW,充電上限P2=0.50 MW。

基于圖6中1月與10月負(fù)荷數(shù)據(jù)進(jìn)行仿真,考慮采樣數(shù)據(jù)的分辨率,每隔10 min對(duì)Sup、Sdown、k1、k2、k3、k4等6個(gè)參數(shù)進(jìn)行更新一次。基于負(fù)荷預(yù)測(cè)曲線,以未來30 min的目標(biāo)函數(shù)最優(yōu)作為本區(qū)間的最優(yōu)解,這樣使本控制策略有了預(yù)見性和一定的全局性。

設(shè)置動(dòng)態(tài)自適應(yīng)粒子群算法粒子數(shù)n=50,最大迭代次數(shù)k=300,加速因子c1=c2=1.5;SOC上下

限Smin=0.2,Smax=0.8,儲(chǔ)能系統(tǒng)自放電率為0,充放電效率均為100%,設(shè)定最大光伏倒送功率

約束為1 MW。依圖5流程進(jìn)行仿真,仿真結(jié)果如圖7—9所示。

圖7 變參數(shù)功率差控制策略作用下的SOC曲線

圖7中可看出儲(chǔ)能系統(tǒng)的SOC在整個(gè)周期內(nèi)均保持在的上下邊限[0.2,0.8]之間,實(shí)現(xiàn)了SOC變化范圍的有效控制。這是因?yàn)楸疚姆椒ㄒ?個(gè)參數(shù)變量,通過優(yōu)化6個(gè)參數(shù)變量,而優(yōu)化儲(chǔ)能系統(tǒng)SOC區(qū)間與充放電功率,同時(shí)考慮未來30 min內(nèi)的控制效果,實(shí)現(xiàn)對(duì)當(dāng)前10 min內(nèi)6個(gè)變量的滾動(dòng)更新。考慮到當(dāng)前儲(chǔ)能系統(tǒng)成本仍然較高,而保持SOC在較優(yōu)的變化范圍內(nèi)有利于延長(zhǎng)儲(chǔ)能系統(tǒng)的壽命,有效降低儲(chǔ)能系統(tǒng)的運(yùn)行成本。因此,本控制策略將有利于降低儲(chǔ)能系統(tǒng)的工程成本。

圖8 變參數(shù)功率差控制策略作用下1月荷側(cè)功率曲線

圖9 變參數(shù)功率差控制策略作用下10月負(fù)荷側(cè)功率曲線

由圖8及圖9可見,該控制策略下,儲(chǔ)能系統(tǒng)確實(shí)起到了削峰填谷的作用,儲(chǔ)能系統(tǒng)在22:00—6:00間進(jìn)行充電操作,增大了原始負(fù)荷曲線的谷段負(fù)荷;儲(chǔ)能系統(tǒng)在9:00—12:00,13:00—15:00進(jìn)行放電操作,減小了原始負(fù)荷曲線峰段負(fù)荷。本文提出的策略達(dá)到了兼顧儲(chǔ)能SOC性能指標(biāo)和削峰填谷的綜合優(yōu)化效果。

3.2 與常參數(shù)功率差控制效果對(duì)比

為了進(jìn)一步驗(yàn)證本文提出策略的控制效果,將本文提出的基于綜合目標(biāo)函數(shù)粒子群優(yōu)化的變參數(shù)功率差控制策略與常參數(shù)功率差控制策略進(jìn)行了仿真對(duì)比,如圖10—13所示。

圖10 不同控制策略作用下1月負(fù)荷側(cè)功率曲線

圖11 不同控制策略作用下10月負(fù)荷側(cè)功率曲線

圖12 1月不同控制策略作用下SOC曲線

圖13 10月不同控制策略作用下SOC曲線

為對(duì)兩種控制策略進(jìn)行評(píng)價(jià),以負(fù)荷曲線標(biāo)準(zhǔn)差和峰谷差作為削峰填谷評(píng)價(jià)指標(biāo),得到不同控制策略下的結(jié)果如表2所示。

表2 不同控制策略作用下削峰填谷效果對(duì)比

由表2可見,相較原始負(fù)荷曲線,兩種控制策略都能夠有效減小負(fù)荷曲線的峰谷差和提高負(fù)荷側(cè)曲線的平滑度,起到了削峰填谷作用。相較常參數(shù)功率差控制策略,變參數(shù)功率差控制策略作用下的負(fù)荷曲線標(biāo)準(zhǔn)差更小。在最大峰谷差指標(biāo)上,變參數(shù)功率差控制策略稍微有所增大,這是由于其對(duì)SOC的協(xié)調(diào)考慮,在保證較優(yōu)的儲(chǔ)能電池SOC時(shí),使得負(fù)荷曲線會(huì)出現(xiàn)短時(shí)的凹凸點(diǎn),因此也稍微加大了負(fù)荷的峰谷差。

圖12—13是兩種方法SOC的曲線變化情況。從圖中可以看出常參數(shù)功率差控制策略作用下會(huì)使電池SOC出現(xiàn)越上限情況(SOC最大值超過0.8),這會(huì)對(duì)儲(chǔ)能系統(tǒng)壽命造成較大影響。而本算法的控制策略是在保證削峰填谷的同時(shí)兼顧使電池具備較優(yōu)的SOC運(yùn)行狀態(tài),可有效減小SOC變化范圍。以圖12中1月仿真曲線為例,常參數(shù)控制策略下其變化區(qū)間為[0.4412,0.8168],變化大小為0.3756;變參數(shù)控制策略作用下變化區(qū)間[0.3992, 0.7209],變化大小為0.3217,與前者相比變化區(qū)間和變化范圍都有所減小。考慮到目前儲(chǔ)能系統(tǒng)成本較高,因此,本控制策略可有效降低儲(chǔ)能系統(tǒng)配置成本。

常參數(shù)功率差控制策略出現(xiàn)SOC值大于0.8情況的原因可分析如下：從圖6的原始負(fù)荷曲線中可以發(fā)現(xiàn),商業(yè)園區(qū)的原始負(fù)荷曲線存在峰谷區(qū)持續(xù)時(shí)間較長(zhǎng)的特點(diǎn),而常參數(shù)功率差控制策略在確定儲(chǔ)能動(dòng)作邊界值之后,以負(fù)荷與邊界值P1、P2的功率差進(jìn)行充放電,園區(qū)負(fù)荷谷值區(qū)最初在凌晨00:00—06:00出現(xiàn),由于長(zhǎng)時(shí)間以最大功率差進(jìn)行充電而使SOC進(jìn)入越上限區(qū)。這種SOC指標(biāo)進(jìn)入越上限區(qū)的過充行為,會(huì)縮短儲(chǔ)能電池的使用壽命,從而間接增加儲(chǔ)能系統(tǒng)的工程運(yùn)行成本,因此常參數(shù)功率差控制策略是以犧牲電池的壽命為代價(jià)換取較小的峰谷差和削峰填谷效果。

考慮到常系數(shù)功率差控制進(jìn)行充放電功率調(diào)節(jié)時(shí)所依據(jù)的僅僅是邊界值P1、P2,并未考慮SOC狀態(tài),無法根據(jù)SOC狀態(tài)調(diào)節(jié)儲(chǔ)能系統(tǒng)自身充放電功率,因此本文提出了綜合考慮削峰填谷和電池SOC狀態(tài)的變參數(shù)功率調(diào)節(jié)策略。具有以下優(yōu)點(diǎn)：在起到削峰填谷作用(見表2)的同時(shí),還能夠有效調(diào)節(jié)SOC變化,將SOC一直控制在合理范圍內(nèi),這對(duì)儲(chǔ)能電池優(yōu)化運(yùn)行和延長(zhǎng)電池使用壽命具有重要意義,有很大的工程應(yīng)用價(jià)值。本文所提出的方法通過引入并動(dòng)態(tài)更新Sup、Sdown、k1、k2、k3、k4等6個(gè)參數(shù),使得其能夠有效預(yù)見SOC變化,并根據(jù)SOC的狀態(tài)調(diào)節(jié)儲(chǔ)能系統(tǒng)出力,實(shí)現(xiàn)對(duì)SOC的自適應(yīng)調(diào)節(jié)。該控制策略中,在保證削峰填谷的同時(shí),整個(gè)過程都能夠有效將SOC控制在[0.3, 0.75]之內(nèi)(見圖12—13),真正達(dá)到了同時(shí)兼顧削峰填谷作用和優(yōu)化電池SOC運(yùn)行狀態(tài)的雙重效果。

以基于1月份典型負(fù)荷預(yù)測(cè)曲線為例,仿真中對(duì)應(yīng)的Sup、Sdown、k1、k2、k3、k4等6個(gè)參數(shù)及各子目標(biāo)函數(shù)權(quán)重λi (i=1,2,3,4)的變化情況如圖14、圖15、圖16所示。

圖14 Sup與Sdown變化曲線

圖15 k1、k2、k3、k4變化曲線

圖16 λ1、λ2、λ3、λ4變化曲線

在上午00:00—6:00,兩種控制策略作用下,儲(chǔ)能系統(tǒng)均進(jìn)行了充電操作;其中00:00—02:00左右,SOC一直處于正常工作區(qū),與此同時(shí),Sup與Sdown兩參數(shù)一直處于動(dòng)態(tài)更新之中,此時(shí)段內(nèi)兩條SOC曲線重合。在02:00左右開始,儲(chǔ)能系統(tǒng)SOC達(dá)到0.6左右,而Sup也更新至0.6左右,進(jìn)入SOC越上

限區(qū),k1動(dòng)作,有效減小了儲(chǔ)能系統(tǒng)出力。表現(xiàn)在圖8中則是負(fù)荷側(cè)曲線在00:00—06:00間會(huì)有凹點(diǎn)。同理可見k2、k3、k4出力時(shí)刻,對(duì)應(yīng)負(fù)荷側(cè)曲線均會(huì)間歇性出現(xiàn)小的凹凸點(diǎn)。由于本控制策略預(yù)估了未來30 min內(nèi)SOC的狀態(tài),故而k1、k2、k3、k4的變化有一定的波動(dòng)性。Sup、Sdown又與當(dāng)前時(shí)刻k1、k2、k3、k4相關(guān),因此,這兩組參數(shù)相互協(xié)調(diào)。變系數(shù)控制策略由于SOC區(qū)間限制,會(huì)在SOC高限值區(qū)間內(nèi)降低充電速率,SOC曲線上升速率較常參數(shù)控制策略作用下的SOC曲線上升速率變慢。在上午9:00—12:00,出現(xiàn)負(fù)荷高峰,由于此時(shí)SOC均處于高限值區(qū),k2動(dòng)作,有效增大了放電功率,表現(xiàn)在該段區(qū)間內(nèi)初始一段時(shí)間內(nèi)的SOC曲線下降速率大于常系數(shù)控制策略下的SOC曲線,而Sup也隨之滾動(dòng)更新,11:00左右,SOC從高限值區(qū)進(jìn)入正常工作區(qū),兩種控制策略下的曲線下降速率相同。同理,13:00—16:00及22:00—24:00區(qū)間內(nèi)的SOC曲線速率也會(huì)不同,但由于此時(shí)經(jīng)過一次放電或者第二次放電一段時(shí)間之后,SOC進(jìn)入低限值區(qū),故而此時(shí)出現(xiàn)與之前時(shí)刻相反的情形。由圖16中可見,子目標(biāo)函數(shù)λ1與λ2所占權(quán)重在各時(shí)段內(nèi)均明顯高λ3與λ4因此,目標(biāo)函數(shù)對(duì)于負(fù)荷側(cè)曲線的波動(dòng)性和SOC防止越限賦予了較大的權(quán)重,這與本控制策略中著重考慮了SOC變化特性和負(fù)荷側(cè)平滑度有關(guān),這與仿真中SOC曲線有較明顯下降的分析結(jié)果相一致。

3.3 與基于實(shí)際負(fù)荷曲線的控制效果對(duì)比

目前,針對(duì)儲(chǔ)能系統(tǒng)參與削峰填谷的控制策略大多是基于實(shí)際負(fù)荷曲線進(jìn)行的,而本控制策略中采用了基于支持向量機(jī)算法得到的超短期負(fù)荷預(yù)測(cè)曲線,負(fù)荷預(yù)測(cè)曲線的引入主要為使本控制策略具有一定的全局性和前瞻性。本節(jié)中將通過對(duì)比基于預(yù)測(cè)負(fù)荷曲線和實(shí)際負(fù)荷曲線的控制策略作用效果,以上海商業(yè)園區(qū)1月某工作日實(shí)際負(fù)荷曲線與工作日典型負(fù)荷預(yù)測(cè)曲線進(jìn)行仿真,從而論證了引入負(fù)荷預(yù)測(cè)曲線的優(yōu)越性。基于典型負(fù)荷預(yù)測(cè)曲線下該控制策略能夠通過協(xié)調(diào)考慮未來30 min內(nèi)的控制效果,對(duì)比不考慮負(fù)荷預(yù)測(cè)情況下,基于實(shí)際負(fù)荷曲線僅考慮當(dāng)下時(shí)刻的控制效果,圖17給出了兩種情況下的控制效果對(duì)比。

圖17 控制效果對(duì)比

由上圖看見,引入負(fù)荷預(yù)測(cè)曲線能夠明顯降低負(fù)荷側(cè)峰谷差,而實(shí)際負(fù)荷曲線下,由于未考慮下一時(shí)刻的控制效果,目標(biāo)函數(shù)僅以當(dāng)前整10 min內(nèi)的SOC狀態(tài)和負(fù)荷側(cè)波動(dòng)性為主進(jìn)行調(diào)節(jié),因此,減少了儲(chǔ)能的出力,其控制效果有所降低。

4 結(jié)論

本文提出了一種商業(yè)園區(qū)儲(chǔ)能系統(tǒng)的變參數(shù)功率差控制策略,主要內(nèi)容包括：

1)基于商業(yè)園區(qū)典型日負(fù)荷預(yù)測(cè)曲線,確定儲(chǔ)能系統(tǒng)動(dòng)作上下限,將負(fù)荷劃分為3個(gè)區(qū)間。引入2個(gè)SOC狀態(tài)控制變量,將SOC劃分為5個(gè)區(qū)間。在不同SOC狀態(tài)區(qū)間與不同負(fù)荷區(qū)間,為儲(chǔ)能系統(tǒng)制定了不同充放電策略。

2)為評(píng)估儲(chǔ)能削峰填谷效果與SOC狀態(tài),引入4個(gè)子目標(biāo)函數(shù),采用適應(yīng)度函數(shù)變差系數(shù)排序法確定各子目標(biāo)函數(shù)權(quán)重,對(duì)加權(quán)后的目標(biāo)函數(shù)采用動(dòng)態(tài)自適應(yīng)粒子群算法進(jìn)行尋優(yōu),確定不同狀態(tài)區(qū)間和負(fù)荷區(qū)間儲(chǔ)能系統(tǒng)控制參數(shù)。

3)本控制策略是基于典型日負(fù)荷預(yù)測(cè)曲線制定的,因此,能夠統(tǒng)籌未來30 min內(nèi)的控制效果,通過與基于實(shí)際負(fù)荷曲線的控制效果對(duì)比,驗(yàn)證了其前瞻性和優(yōu)越性。

4)由于控制策略中協(xié)調(diào)考慮了儲(chǔ)能系統(tǒng)SOC變化的影響,避免了儲(chǔ)能系統(tǒng)出現(xiàn)SOC越限情況,同時(shí),可有效調(diào)節(jié)SOC變化范圍,考慮到目前儲(chǔ)能系統(tǒng)配置成本較高,通過有效降低SOC變化范圍能夠減小工程成本。

但由于目前對(duì)儲(chǔ)能削峰填谷效果評(píng)估缺乏統(tǒng)一標(biāo)準(zhǔn),園區(qū)負(fù)荷預(yù)測(cè)精度仍有待提高,因此進(jìn)一步研究園區(qū)負(fù)荷預(yù)測(cè)精度不同對(duì)本文控制效果的影響,將是論文后續(xù)研究?jī)?nèi)容。

(本文作者：楊錫運(yùn), 董德華, 李相俊, 馬雪, 耿娜, 賈學(xué)翠)

參考文獻(xiàn)

[1] 鄭雪冰. 利用儲(chǔ)能電池進(jìn)行削峰填谷的多指標(biāo)綜合評(píng)價(jià)方法[D].北京:華北電力大學(xué),2015.

[2] 寧陽天,李相俊,麻秀范,等.考慮供電可靠性的電池儲(chǔ)能系統(tǒng)削峰填谷策略研究[J].電氣應(yīng)用,2015,34(6):62-68. Ning Yangtian,Li Xiangjun,Ma Xiufan,et al.Study on peak-filling strategy of battery energy storage system considering power supply reliability[J].Electrotechnical Application,2015,34(6):62-68(in Chinese).

[3] 陳滿,陸志剛,劉怡,等.電池儲(chǔ)能系統(tǒng)恒功率削峰填谷優(yōu)化策略研究[J].電網(wǎng)技術(shù),2012,36(9):232-237. Chen Man,Lu Zhigang,Liu Yi,et al.Research on optimal peak load shifting strategy of battery energy storage system operated in constant power mode[J].Power System Technology,2012,36(9):232-237(in Chinese).

[4] 鮑冠南,陸超,袁志昌,等.基于動(dòng)態(tài)規(guī)劃的電池儲(chǔ)能系統(tǒng)削峰填谷實(shí)時(shí)優(yōu)化[J].電力系統(tǒng)自動(dòng)化,2012,36(12):11-16. Bao Guannan,Lu Chao,YuanZhichang,et al.Load shift real-time optimization strategy of battery energy storage system based on dynamic programming[J].Automation of Electric Power Systems,2012,36(12):11-16(in Chinese).

[5] Chacra F A,Bastard P,Fleury G,et al.Impact of energy storage costs on economical performance in a distribution substation[J].IEEE Trans on Power Systems,2005,20(2):684-691.

[6] Lee T Y.Operating schedule of battery energy storage system in a time-of-use rate industrial user with wind turbine generators: a multipass iteration particle swarm optimization approach[J].IEEE Trans on Energy Conversion,2007,22(3):774-782.

[7] Cau T D H,Kaye R J.Evolutionary optimization method for multistorage hydrothermal scheduling[J].IEE Proceedings of Generation Transmission and Distribution,2002,149(2):152-156.

[8] 陳益哲,張步涵,王江虹,等.基于短期負(fù)荷預(yù)測(cè)的微網(wǎng)儲(chǔ)能系統(tǒng)主動(dòng)控制策略[J].電網(wǎng)技術(shù),2011,35(8):35-40. Chen Yizhe,Zhang Buhan,Wang Jianghong,et al.Active control strategy for microgrid energy storage system based on short-term load foreing[J].Power System Technology,2011,35(8):35-40(in Chinese).

[9] 王偉,薛金花,葉季蕾,等.基于SOC調(diào)控的用于抑制光伏波動(dòng)的電池儲(chǔ)能優(yōu)化控制方法[J].電力系統(tǒng)保護(hù)與控制,2014,42(2):75-80. Wang Wei,Xue Jinhua,Ye Jilei,et al.An optimization control design of battery energy storage based on SOC for leveling off the PV power fluctuation[J].Power System Protection and Control,2014,42(2):75-80(in Chinese).

[10] 王冉,王丹,賈宏杰,等.一種平抑微網(wǎng)聯(lián)絡(luò)線功率波動(dòng)的電池及虛擬儲(chǔ)能協(xié)調(diào)控制策略[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(20):5124-5134. Wang Ran,Wang Dan,Jia Hongjie,et al.A coordination control strategy of battery and virtual energy storage to smooth the micro-grid tie-line power fluctuations[J].Proceedings of the CSEE,2015,35(20):5124-5134(in Chinese).

[11] 趙波,包侃侃,徐志成,等.考慮需求側(cè)響應(yīng)的光儲(chǔ)并網(wǎng)型微電網(wǎng)優(yōu)化配置[J].中國(guó)電機(jī)工程學(xué)報(bào),2015,35(21):5465-5474. Zhao Bo,Bao Kankan,Xu Zhicheng,et al.Optimal sizing for grid-connected pv-and-storage microgrid considering demand response[J].Proceedings of the CSEE,2015,35(21):5465-5474(in Chinese).

[12] Li Xiangjun,Yao Liangzhong,Dong Hui.Optimal control and management of large–scale battery energy storage system to mitigate the fluctuation and intermittence of renewable generations[J].Journal of Modern Power Systems and Clean Energy,2016,4(4):593-603.

[13] Li Xiangjun,Xu Liangfei,Hua Jianfeng,et al.Power management strategy for vehicular-applied hybrid fuel cell/battery power system.Journal of Power Sources,2009,191(2):542-549.

[14] 褚衍廷,董海鷹,李曉青.含蓄電池的孤立微電網(wǎng)系統(tǒng)運(yùn)行優(yōu)化研究[J].鄭州大學(xué)學(xué)報(bào)(理學(xué)版),2016,48(4):109-115. Chu Yanting,Dong Haiying,Li Xiaoqing.Optimal operation of isolated microgrid system with battery storage[J].Journal of Zhengzhou University(Natural Science Edition),2016,48(4):109-115 (in Chinese).

[15] 李相俊,張晶瓊,何宇婷,等.基于自適應(yīng)動(dòng)態(tài)規(guī)劃的儲(chǔ)能系統(tǒng)優(yōu)化控制方法[J].電網(wǎng)技術(shù),2016,40(5):1355-1362. Li Xiangjun,Zhang Jingqiong,He Yuting,et al.Optimal controlmethod of energy storage system based on adaptive dynamic programming[J].Power System Technology,2016,40(5):1355-1362 (in Chinese).

[16] 佘慎思,李征,蔡旭.風(fēng)儲(chǔ)聯(lián)合發(fā)電系統(tǒng)電池荷電狀態(tài)和功率偏差控制策略[J].電力系統(tǒng)自動(dòng)化,2014,38(20):9-17. She Shensi,Li Zheng,Cai Xu.SOC and power deviation control strategy for hybrid generation system of wind power and energy storage[J].Automation of Electric Power Systems,2014,38(20):9-17 (in Chinese).

[17] 張頂學(xué),關(guān)治洪,劉新芝.一種動(dòng)態(tài)改變慣性權(quán)重的自適應(yīng)粒子群算法[J].控制與決策,2008,23(11):1253-1257. Zhang Dingxue,Guan Zhihong,Liu Xinzhi.Adaptive particle swarm optimization algorithm with dynamically changing inertia weight[J].Contrlo and Decision 2008,23(11):1253-1257(in Chinese).

[18] 王奔,冷北雪,張喜海,等.支持向量機(jī)在短期負(fù)荷預(yù)測(cè)中的應(yīng)用概況[J].電力系統(tǒng)及其自動(dòng)化學(xué)報(bào),2011,23(4):115-121. Wang Ben,Leng Beixue,Zhang Xihai,et al.Application profiles of support vector machine in short-term load foreing[J].Proceedings of the CSU-EPSA,2011,23(4):115-121(in Chinese).

[19] 沈沉,秦建,盛萬興,等.基于小波聚類的配變短期負(fù)荷預(yù)測(cè)方法研究[J].電網(wǎng)技術(shù),2016,40(2):521-526. Shen Chen,Qin Jian,Sheng Wanxing,et al.Study on short-term foreing of distribution transformer load using wavelet and clustering method[J].Power System Technology,2016,40(2):521-526 (in Chinese).